Sistem Inspeksi Cacat pada Permukaan Kayu menggunakan Model Deteksi Obyek YOLOv5

ABSTRAKPermukaan kayu mengalami berbagai serangan serangga dan jamur, sehingga dapat menyebabkan cacat seperti pembusukan pada yang berpengaruh terhadap kualitas harga jual tersebut. Pengujian secara lapangan dengan penglihatan manusia menjadi kurang efektif, karena menghasilkan penilaian subjektif memerlukan waktu lama. Penelitian ini mengusulkan sistem deteksi permukaan pinus karet menggunakan Convolutional Neural Network (CNN) model YOLOv5. dilakukan beberapa dari YOLOv5, serta dua teknik image enhancement, yaitu edge filter Real ESRGAN. Hasil mAP terbaik sebesar 94,3% kecepatan 125 FPS dataset YOLOv5s tanpa penambahan enhancement. Sedangkan memiliki jenis lebih kompleks, hasil adalah 94,7% 139 YOLOv5s-Transformer enhancement ESRGAN.Kata kunci: deteksi, kayu, (CNN), YOLO ABSTRACTWood surafce is subject to various insect and fungal attacks, which can cause defects such as wood rot. This condition affects the quality well selling price of wood. Field testing with human eyesight becomes less effective because it produces a subjective assessment time consuming. study proposes defect detection system on surface pine rubber using YOLOv5 model. System was carried out several models from two techniques, namely The best results were 94.3%, speed without adding While more complex problem, 94.7% addition ESRGAN.Keywords: detection, wood,